grissom lin
8 位追蹤者
grissom lin
8 位追蹤者
普通上班族，用 AI 與 Python 將炒股量化。我的數據宣言是：《炒股不做量化，都是在耍流氓》。
全部內容
由新到舊
準備好您的 Google 帳號，並將第一篇提到的 simplemaps_uszips_basicv1.80.zip 準備好，我們開始吧！
第一步：環境初始化與資料庫上傳
在執行任何程式碼之前，請先開啟 Google Colab 新筆記本，並將下載好的美國郵編資料庫 ZIP 檔直接拖曳上傳至左側的
💡 為什麼會有這款程式？
這一切的起因，其實是在滑抖音（TikTok）時，看到不少人在推銷外貿獲客軟體，聲稱能一鍵抓取全美商家資料。當時我就在想：「這套邏輯，能不能靠我自己與 AI 的協作開發出來？」
經過實驗，我成功開發出了這套**爬蟲版（Scraper）**系統。我不選擇官方 API 版，
—— Global-Stock-Feature-Engine 的 KR 資料下載機制解析
📌 本文聚焦於 韓國市場（KR）的資料取得困境與解決方案，並簡要說明 main.py 如何協調全球六個市場的同步流程。
❓ 問題背景：GitHub Actions 無法直接抓韓股清單
在自動化流程中，
這篇文章主要說明：
本網站（Global Stock Feature Engine）在 GitHub 上是怎麼被部署與更新的
GitHub Actions 與 Streamlit Cloud 各自扮演的角色
以及如果你只是「使用 Demo」，哪些設定不用管
如果你想 fork / 延伸，又該
Demo 系統說明：本系統為展示「特徵工程」與「策略回測」概念的教學工具。受限於 GitHub 硬體資源與儲存空間，目前僅提供 2024-2025 年的歷史數據。完整的生產級系統可擴展至更長時間週期與即時數據。
📌 系統簡介
全球股市特徵引擎是一套結合技術分析與量化回測的策略篩選系統，幫助投
前言：你賺到的是「口袋裡的錢」，還是「曾經看過的數字」？
在量化回測中，我們常面臨一個選擇：該用「收盤價」看實際績效，還是用「最高價」看策略的天花板？
過去 StockRevenueLab 預設使用年底收盤價，這很穩健，但有時會讓我們忽略了標的在年度中的爆發力。今天，我正式推出「年K計價模式動態
這份 timing_lab.py（對應網址中的 /timing_lab 頁面）是 StockRevenueLab 中最具備「行為金融學」與「事件研究法」色彩的單元。它的核心目的在於探討：當營收利多正式公告時，市場的反應是「追價」還是「利多出盡」？
一、 研究背景：破解市場的「偷跑」與「追價」
這份 probability.py（對應網址中的 /probability 頁面）是 StockRevenueLab 專案中最具備「量化統計」靈魂的單元。它的核心目的不是看單一公司的表現，而是找出統計勝率：如果一家公司一年內營收爆發 5 次，它年度漲幅翻倍的機率是多少？
一、 研究動機：別再盲目
🔗 StockRevenueLab 資源傳送門
🚀 立即開啟：StockRevenueLab 線上儀表板 （無需安裝，點擊即可直接操作互動圖表）
📂 GitHub 完整專案原始碼 （包含 app.py 核心邏輯與所有環境設定檔）
🐍 Google Colab 自動化抓取程式碼 （一鍵開
前言
這篇文章將分享如何利用 Python 工具，自動化從公開資訊觀測站（MOPS）與 Yahoo Finance 抓取台灣市場（上市、上櫃、興櫃）的月營收財報與歷史股價。我們將建立一個本地端資料庫，並將其同步至免費的雲端資料庫 Supabase，作為後續視覺化分析的基礎。
步驟一：準備開發環
